Presentiamo: PlayerZero Il primo Engineering World Model al mondo che mette il debug, la correzione e il testing del tuo codice in modalità automatica. Abbiamo raccolto 20 milioni di dollari da Foundation Capital, @matei_zaharia (Databricks), @pbailis (Workday), @rauchg (Vercel), @zoink (Figma), @drewhouston (Dropbox) e altri PlayerZero libera il 30% della tua capacità ingegneristica: 1.⁠ ⁠Trova la causa principale di bug e incidenti in minuti che i team di ingegneria impiegano giorni a identificare. 2.⁠ ⁠Prevede in minuti problemi di casi limite che un team di QA di 300 persone impiegherebbe settimane a trovare. ------ Ecco perché questo è importante: Nessuno nella tua organizzazione ha un quadro completo di come si comporta effettivamente il tuo software in produzione. Il supporto vede i ticket. SRE vede l'infrastruttura. Gli sviluppatori vedono il codice. Ogni team costruisce la propria visione frammentata - e nessuno di questi sistemi comunica con gli altri. Quando qualcosa si rompe, tutti si affrettano a ricomporre il quadro a mano. PlayerZero collega tutto in un unico grafo di contesto - → Il thread di Slack dove il tuo lead ha detto "abbiamo scelto X perché Y è crollato in produzione l'ultima volta" → La revisione della PR dove un ingegnere ha spiegato il compromesso → La cronologia completa della tua pipeline CI/CD, stack di osservabilità, incidenti e ticket di supporto Così puoi risalire a qualsiasi problema fino alla sua causa principale attraverso ogni silo. E si accumula. Ogni incidente diagnosticato insegna al modello qualcosa di nuovo. Più a lungo funziona, più approfonditamente comprende - quali percorsi di codice sono ad alto rischio, quali configurazioni sono fragili, quali cambiamenti tendono a rompere quali flussi dei clienti. Quindi, quando ti siedi per fare il debug di un problema in tempo reale, hai il ragionamento collettivo e la memoria di produzione di tutta la tua organizzazione a supporto - istantaneamente. ------ Zuora, Georgia-Pacific e Nylas hanno ridotto il tempo di risoluzione del 90% e catturato il 95% delle modifiche che rompono, liberando in media 30 milioni di dollari in capacità ingegneristica. ------ La nostra garanzia: Se non riusciamo ad aumentare la tua capacità ingegneristica di almeno il 20% entro una settimana, doneremo 10.000 dollari a un progetto open-source di tua scelta. Prenota una demo -

Ogni settore ha fornito i propri dati all'AI. Il software per caso gli ha dato qualcosa di molto più prezioso. E questa è la ragione per cui i tuoi ingegneri stanno perdendo la testa per l'AI, mentre il tuo team di vendita pensa che sia solo un hype. L'AI è fenomenale nella programmazione. Le ragioni che le persone danno sono che i modelli addestrati su codice, che i linguaggi di programmazione sono precisi, che gli sviluppatori hanno spinto di più gli strumenti. Tutte queste affermazioni sono vere, ma nessuna di esse è la vera ragione. La vera ragione è la densità di tracciamento: il rapporto tra il ragionamento registrato e i risultati registrati in un dominio. L'AI ha bisogno di vedere come vengono prese le decisioni, non solo quale fosse la decisione. Ha bisogno dei compromessi che sono stati considerati e rifiutati, dei fallimenti che sono stati analizzati, del ragionamento tra un problema e una risposta. I dati sui risultati dicono cosa è successo, il tracciamento delle decisioni insegna come pensare. Il software ha accidentalmente costruito l'archivio di tracciamento più denso di qualsiasi professione nella storia umana, e nessun altro campo si avvicina. Alcune cose strutturali hanno reso questo possibile. Nella maggior parte delle professioni, la seniority sostituisce la spiegazione. Un partner senior non documenta il proprio ragionamento perché la propria autorità è il ragionamento. L'open source ha rotto questo schema, perché un collaboratore casuale aveva bisogno di comprendere una decisione tanto quanto l'architetto. Il titolo non significava nulla, e tutti si giustificavano secondo lo stesso standard. Un avvocato può trovare un contratto del 1998, o il momento in cui è cambiata la clausola 7 e persino le ragioni retrospettive per cui è successo. Ma non puoi trovare le effettive deliberazioni che un giudice ha attraversato o le decisioni che ha quasi preso o gli argomenti che ha considerato. Il software può, perché il ragionamento è attaccato al momento esatto in cui è stato utilizzato. I documenti legali registrano la conclusione pulita, i commit di codice registrano il processo disordinato. In ogni altro dominio, il feedback passa attraverso un umano, un manager, un giudice, un partner senior. È incoerente, filtrato politicamente e lento, e quando arriva, non puoi ricostruire ciò che stavi pensando con sufficiente precisione per imparare da esso. Il feedback del software arriva in secondi mentre il ragionamento è ancora vivo nella tua testa. Il compilatore non ha pregiudizi, il test suite non ha una brutta giornata, e la produzione non ti concede un pass perché sei senior. In diritto, una decisione poco documentata rimane valida. Nel software, interrompe la produzione alle 2 del mattino e nessuno sa perché. La macchina rende immediato e doloroso saltare la documentazione ogni singola volta. 30 anni di questo hanno prodotto una professione che ha reso il ragionamento un'abitudine di sopravvivenza, e il sottoprodotto è stato l'archivio di ragionamento più ricco della storia umana, su cui l'AI si è poi addestrata. Gli agenti in azione cambiano questo. Quando un agente si trova all'interno del ciclo di esecuzione di un processo aziendale, genera tracciamento mentre lavora. Ogni decisione che prende, ogni struttura che scopre, ogni cambiamento nel modo in cui comprende il problema viene codificato, non estratto da un sistema di registrazione, non riassunto dopo il fatto, ma catturato negli embedding creati dal percorso dell'agente attraverso il compito. Il percorso dell'agente attraverso il lavoro diventa l'orologio degli eventi. Questo è il motivo per cui il modo in cui costruisci gli agenti è importante tanto quanto se li costruisci, perché un agente che restituisce solo output produce risultati, ma un agente progettato per registrare il proprio ragionamento mentre si muove produce qualcosa di cruciale. Inizia a costruire la densità di tracciamento che la maggior parte delle professioni non ha mai avuto, e decisione dopo decisione, compito dopo compito, la densità si accumula. Il software ha avuto un vantaggio di 30 anni per caso. Ogni altro dominio può iniziare a costruirlo deliberatamente, proprio ora.

Siamo molto entusiasti di annunciare la nostra partnership con @VirtusaCorp! Gran parte della conversazione riguarda la scrittura del codice, ma è facile dimenticare le persone che devono gestire e supportare quel software una volta che esce dall'IDE. C'è un dolore asimmetrico qui che il mercato deve ancora affrontare prima che il futuro che immaginiamo si presenti davvero. Nella maggior parte delle imprese, la conoscenza che conta è dispersa tra ticket, repository, dashboard e nelle teste delle persone. Costruire agenti (e i grafi di contesto su cui operano) che funzionano in quegli ambienti è difficile, ed è il lavoro che farà la differenza. Virtusa è un partner incredibilmente riflessivo con una rara capacità di vedere dove stanno andando le cose e portare il futuro nella realtà caotica di oggi per le aziende di tutto il mondo. Siamo super entusiasti di collaborare e portare l'ingegneria della produzione AI a molte più squadre!